Institut für Programmstrukturen und Datenorganisation

Terminkalender

ABBRECHEN || neuen Vortrag anmelden | Vorträge durchsuchen
Monat zurück | Vorträge dieser Monat | Monat vor


Fr, 23.01.2015 Herr Philipp Zwickel (Bachelorthesis) ID: 100122
Entwurf einer adaptiven Sprachkomponente und prototypische Umsetzung für das natürlichsprachliche Dialogsystem JustLingo
Betreuer: Alexander Wachtel
Kurzfassung:
Dieser Vortrag beschäftigt sich mit Entwurf und Umsetzung einer adaptiven Sprachkomponente für das bestehende natürlichsprachliche Dialogsystem JustLingo. Das Dialogsystem unterstützt den Benutzer bei der Erzeugung von Formeln für Tabellenkalkulationen. Die Sprachkomponente ermöglicht es die Systemausgaben zusätzlich per Sprache auszugeben und Spracheingaben in englischer Sprache zu verarbeiten. Die Spracherkennung greift zur Umwandlung der Audiosignale in Text auf einen externen Spracherkenner zurück, dessen Sprachmodell an die Sprachdomäne des Dialogsystems angepasst wird. Die Sätze werden anschließend analysiert und dem Benutzer zusammen mit zusätzlichen Korrekturvorschlägen für Bezeichnungen von Spalten, Zeilen und Zellen angezeigt. Bei der Evaluation konnte hierdurch eine Wortfehlerrate von 33,9% für korrigierte Sätze aus der Sprachdomäne erreicht werden. Zur Umwandlung der Systemantworten in Sprachsignale wird ebenfalls auf einen externen Sprachsynthesizer zurückgegriffen, der die Antworten zuverlässig in der gewünschten Geschwindigkeit und Lautstärke ausgibt. JustLingo wurde zu einem gut funktionierenden Sprachdialogsystem weiterentwickelt.
Passwort:  
 
Herr Fabian Wiest (Bachelorthesis) ID: 100123
Interaktive Mustergenerierung als Funktionserweiterung des natürlichsprachlichen Dialogsystems JustLingo
Betreuer: Alexander Wachtel
Kurzfassung:
Das Softwaresystem JustLingo ist ein Dialogsystem, das für die Arbeit mit Excel entwickelt wurde. JustLingo ermöglicht es natürlichsprachliche Eingaben anhand von Mustern in die Formelsprache der Tabellenkalkulationssoftware zu übersetzen. Motiviert durch die schwere Erweiterbarkeit wird in dieser Arbeit eine Schnittstelle zur automatisierten Generierung neuer Muster entwickelt. Über die Mustergenerierung können Nutzer, ohne den Quellcode zu verändern, JustLingo neue Funktionalitäten und Wörter beibringen. Dabei erklärt der Benutzer in natürlichsprachlichem Englisch den Aufbau seines Musters an das Dialogsystem. Bei der Umsetzung wurde ein Dialogsystem gemischter Initiative gewählt, damit der Erstellungsprozess durch das System mittels gezielter Fragen und Hinweisen unterstützt werden kann. Die abschließende Evaluation hat gezeigt, dass eine automatisierte Erweiterung mit Hilfe eines Dialogsystems umsetzbar ist und funktioniert. In der zugehörigen Studie wurden von 10 verschiedenen Teilnehmern jeweils drei mathematische Probleme, unterschiedlicher Schwierigkeit, zum Wortschatz des Dialogsystems hinzugefügt. Dabei wurden von insgesamt 641 Eingaben 515 korrekt vom System erkannt.
Passwort:  

Fr, 30.01.2015 Frau Christine Tex (Bachelorthesis) ID: 100148
Effiziente Analyse von Daten in Workflows
Betreuerin: Jutta Mülle
Kurzfassung:
Die Korrektheit eines Datenflusses in einem Workflow kann mittels Anti-Pattern definiert werden. Ein Algorithmus, der diese Definition von Korrektheit des Datenflusses von BPMN 2.0-Prozessen mit alternativen und optionalen Datenverwendungen automatisch überprüft, existiert bereits. Dazu wurden Prozesse mit Datensemantik in Petri-Netze transformiert und anschließend mittels eines Modelcheckers auf die Erfüllung der Anti-Pattern hin analysiert. Hier tritt das Problem der State-Space Explosion auf mit inakzeptablen Laufzeiten, denen auch mit den bekannten Reduktionstechniken wie Stubborn-Sets nicht begegnet werden kann. In dieser Arbeit wurde ein Algorithmus, welcher die Workflows unter Ausnutzung ihrer High-Level-Prozessstruktur geeignet reduziert, auf den Sachverhalt der Datenflussanalyse angepasst. Die Evaluation hat gezeigt, dass dadurch Workflows zumindest teilweise auf die Erfüllung von Anti-Pattern hin untersucht werden können, deren Analyse zuvor überhaupt nicht möglich war. Außerdem wurde aufgezeigt, dass sich dieser Reduktionsansatz auch auf andere Workflow-Spezifikationen mit Daten- und Korrektheitsbegriffen anwenden lässt.
Passwort:  
 
Herr Thomas Mayer (Studienarbeit) ID: 100149
k-Nearest-Neighbor Anfragen bei gegenseitigen Zugriffsberechtigungen
Betreuer: Fabian Laforet
Kurzfassung:
Soziale Netzwerke erfreuen sich immer größerer Beliebtheit. Oftmals verwenden die Betreiber von sozialen Netzwerken ein simples Rechtekonzept, bei dem eine Zugriffsberechtigung zwischen zwei Teilnehmern dann entsteht, wenn beide eine gegenseitige (Freundschafts-) Beziehung definieren. Die vorliegende Arbeit führt ein neues Rechtekonzept ein, welches neben der beidseitigen Zustimmung der Teilnehmer zusätzlich eine einseitige Vergabe bzw. den Entzug von Zugriffsberechtigungen vorsieht. Weiterhin können Zugriffsberechtigungen direkt, rollenbasiert und global vergeben werden. Außerdem können Zugriffsberechtigungen von der Position eines Teilnehmers abhängig gemacht werden. Die Ergebnismenge wird des Weiteren auf die k-nächsten Nachbarn eingeschränkt, um die Realisierbarkeit komplexer Anfragen an einem konkreten Beispiel zu analysieren. Für dieses neue Rechtekonzeptes wird anhand von synthetischen Datensätzen und einer Implementierung in SQL evaluiert, welche Auswirkungen die Einflussfaktoren Gegenseitigkeit, Rollenmodell und Positionsgebundenheit auf die Laufzeit haben. Hierbei stellte sich insbesondere heraus, dass kNN-Anfragen mit gegenseitigen Zugriffsberechtigungen auch unter Verwendung eines Rollenmodells und der Positionsgebundenheit effizient ausgeführt werden können.
Passwort:  
 
Herr Thami Bouchnafa (Bachelorthesis) ID: 100150
Klassifikation von Suchanfragen nach Benutzerabsichten per AdaBoost-Algorithmus mit Nutzer-Feedback-Erweiterung
Betreuerin: Patricia Iglesias
Kurzfassung:
Die Klassifizierung von Web-Suchanfragen nach Benutzerabsichten beschäftigt sich mit der Fragestellung, welcher Informationsbedarf sich hinter den Suchanfragen der Nutzer verbirgt. In dieser Arbeit werden einige Merkmale zur Klassifizierung aus den Suchanfragen extrahiert. In dieser Arbeit haben wir uns nur mit den personenbezogenen Suchanfragen beschäftigt. Wir implementieren zu diesem Zweck eine einfache, auf Lookup-Verfahren basierende Funktion. Für die Suchanfragen werden Merkmale definiert, die auf Ähnlichkeitsfunktionen basieren. Wir implementieren anschließend einen Algorithmus aus dem maschinellen Lernen, um die Genauigkeit der Klassifikation zu validieren und um die Qualität der berechneten Merkmale zu testen sowie zu dem Zweck,die Ergebnisse der Klassifikation zu evaluieren. Die Klassifizierung unterstützen wir mit einem impliziten Feedback-Ansatz, den wir für diese Aufgabe erarbeitet haben. Den Feedback-Ansatz testen wir anhand eines von uns entwickelten Prototypen. Zum Schluss präsentieren wir die Ergebnisse und Erfahrungen, die durch diese Arbeit mit realen Daten und den getesteten Techniken gemacht wurden.
Passwort: